PHP获取网页上任意表格中内容的通用程序的制作

  转载请联系作者:Email: pengwuwang@21cn.com   darlingpeng@sina.com

  在工作中,经常需要对网页上的表格内容进行处理,但是,由于表格内容制作过程中的随意性,跨行跨列经常发生,所以我作了这几个函数,以获取表格的内容,程序中重要的地方已作了注解,所以在此不再重复说明,经过测试,非常成功.所以拿出来供大家共享.
<?php
//作者: 王朋武
//日期: 2005,3,31
//目的: 获取网页上(任意跨行跨列的)表格中的内容
function fun_proc_rowspan($l_str)
{
 $l_a = explode(“\n”, $l_str);
 for($i=count($l_a)-1; $i>=0; $i–) {
  $l_str = trim($l_a[$i]);
  if(empty($l_str)) continue;
 
  $l_str = eregi_replace(“<td”, “<b><td”, $l_str);
  $l_b = explode(“<b>”, $l_str); //如有n个<b>,则分成(n+1)个组,最开始一项为空.
  for($j=0; $j<count($l_b); $j++) { /*不能反过来(即从右开始),否则在有些情况下会有错误,因为在表格的一行中如有几个连续的格跨行,则必须从左开始,否则下一行的列数就可能不够计算,即计算跨行时保存的列有可能大于下一行的总列数, 则操作就不会成功. 实测也证明.
  如 +—-+—-+—-+—-+—-+—-+—-+
     +—-+—-+—-+—-+—-+—-+—-+此一行保存7格, 前6格都有rowspan=2
     +—————————–+—-+此一行只保存2格
     +———————————-+此一行只保存1格
  */
   $l_str = trim($l_b[$j]);
   if(eregi(“rowspan”, $l_str)) {
    $rowspan = preg_replace(“/^<td.+rowspan=[\”\’]?(\d{1,2})[\”\’]?.*/”, “\\1”, $l_str);
    $rowcont = preg_replace(“/^<td.+rowspan=[\”\’]?\d{1,2}[\”\’]?.*>(.+)<\/td>/”, “\\1”, $l_str);
    $l_a = fun_add_row_td($l_a, $i, $j, $rowspan, $rowcont);
    $l_str = implode(“\n”, $l_a);
    return $l_str;
   }
  }//end of for j
 }//end of for i
 return $l_str;
}
function fun_add_row_td($l_a, $r, $l, $add_n, $add_cont) //l_a是数组, r是插入的开始行,l是开始的列, add_n是跨多少行, add_cont是加的内容
{
 for($i=$r; $i<$r+$add_n; $i++) {
  if($i == $r) {
   $l_str = eregi_replace(“<td”, “<b><td”, $l_a[$i]);
   $l_b = explode(“<b>”, $l_str);
   $l_c = “”;
   for($j=1; $j<count($l_b); $j++) {
    if($j == $l) $l_c .= eregi_replace(“rowspan”, “”, $l_b[$j]); //去掉rowspan
    else $l_c .= $l_b[$j];
   }
   $l_a[$i] = $l_c;
   continue;
  }
  $l_str = eregi_replace(“<td”, “<b><td”, $l_a[$i]); //加<b>分隔符
  $l_b = explode(“<b>”, $l_str); //以<b>分组
  $l_c = “”;
  for($j=1; $j<$l+$add_n; $j++) { //略过开始的空项,从1开始
   if($j == $l) {
    $l_c .= “<td>”.$add_cont.”</td>”;
   }
   $l_c .= $l_b[$j];
  }//end of for j
  $l_a[$i] = $l_c; //更新后的新内容
 }//end of for i
 return $l_a;
}
function fun_proc_colspan($l_str)
{
 $l_a = explode(“\n”, $l_str);
 for($i=0; $i<count($l_a); $i++) {
  $l_str = trim($l_a[$i]);
  if(empty($l_str)) continue;
  $l_str = eregi_replace(“<td”, “<b><td”, $l_str);
  $l_b = explode(“<b>”, $l_str); //如有n个<b>,则分成(n+1)个组,最开始一项为空.
  for($j=1; $j<count($l_b); $j++) { //此处不能反过来,必须从左到右取表格内容
   $l_str = trim($l_b[$j]);
   if(eregi(“<td.+colspan”, $l_str)) {
    $colspan = preg_replace(“/^<td.+colspan=[\”\’]?(\d{1,2})[\”\’]?.*/”, “\\1”, $l_str);
    $colcont = preg_replace(“/^<td.+colspan=[\”\’]?\d{1,2}[\”\’]?.*>(.+)<\/td>/”, “\\1”, $l_str);
    $l_a = fun_add_col_td($l_a, $i, $j, $colspan, $colcont);
    $l_str = implode(“\n”, $l_a);
    return $l_str;
   }
  }//end of for j
 }//end of for i
 return $l_str;
}
function fun_add_col_td($l_a, $r, $l, $add_n, $add_cont) //l_a是数组, r是插入的开始行,l是开始的列, add_n是跨多少列, add_cont是加的内容
{
 $l_str = eregi_replace(“<td”, “<b><td”, $l_a[$r]); //加<b>分隔符
 $l_b = explode(“<b>”, $l_str); //以<b>分组
 $l_c = “”;
 for($j=1; $j<=count($l_b); $j++) { //略过开始的空项,从1开始
  if($j == $l) {
   $l_c .= eregi_replace(“colspan”, “”, $l_b[$j]); //去掉colspan
   continue;
  }
  if($j == $l+1) {
   for($k=0; $k<$add_n-1; $k++)
    $l_c .= “<td>”.$add_cont.”</td>”;
  }
  $l_c .= $l_b[$j];
 }//end of for j
 $l_a[$r] = $l_c; //更新后的新内容
 return $l_a;
}
$l_str = file_get_contents(“test.htm”); //获取网页内容
$l_str = eregi_replace(“.*<table”, “<table”, $l_str);
$l_str = eregi_replace(“</table>.*”, “”, $l_str);
$l_str = eregi_replace(“\r”, “”, $l_str); //去掉\r
$l_str = eregi_replace(“\n”, “”, $l_str); //去掉\n
$l_str = eregi_replace(“</tr>”, “\n”, $l_str); //使表格的一行成为一行数据
$l_str = strip_tags($l_str, “<td>”); //只保留<td>,</td>HTML表记
while(eregi(“<td.+colspan”, $l_str)) $l_str = fun_proc_colspan($l_str);
while(eregi(“<td.+rowspan”, $l_str)) $l_str = fun_proc_rowspan($l_str);
/////至此,表格处理已完成.
$l_str = eregi_replace(“</td>”, “<br>”, $l_str); //给每一格之间加上标记
$l_str = strip_tags($l_str, “<br>”);
$l_a = explode(“\n”, $l_str);
for($i=0; $i<count($l_a); $i++) {
 $l_str = trim($l_a[$i]);
 if(empty($l_str)) continue;
 
 $l_b = explode(“<br>”, $l_str);
 foreach($l_b as $val) {
  echo $val.”&nbsp;”; //表格每列内容间加空格
 }
 echo “<br>”; //表格的一行显示为一行
}
//附测试用例和测试结果:
/***********测试用表格*************************************************************
<!DOCTYPE HTML PUBLIC “-//W3C//DTD HTML 4.01 Transitional//EN”>
<html>
<head>
<title>Untitled Document</title>
<meta http-equiv=”Content-Type” content=”text/html; charset=gb2312″>
</head>
<body>
<table width=”200″ border=”1″ cellspacing=”0″ cellpadding=”0″>
  <tr>
    <td>1</td>
    <td>2</td>
    <td>3</td>
    <td>4</td>
    <td>5</td>
    <td>6</td>
    <td>7</td>
  </tr>
  <tr>
    <td>a1</td>
    <td rowspan=”7″>22</td>
    <td>a2</td>
    <td colspan=”4″>a3</td>
  </tr>
  <tr>
    <td>b1</td>
    <td colspan=”2″>b2</td>
    <td>b3</td>
    <td>b4</td>
    <td rowspan=”4″>33</td>
  </tr>
  <tr>
    <td>c1</td>
    <td>c2</td>
    <td>c3</td>
    <td>c4</td>
    <td rowspan=”2″>44</td>
  </tr>
  <tr>
    <td>d1</td>
    <td>d2</td>
    <td>d3</td>
    <td>d4</td>
  </tr>
  <tr>
    <td>e1</td>
    <td>e2</td>
    <td>e3</td>
    <td>e4</td>
    <td>e5</td>
  </tr>
  <tr>
    <td>f1</td>
    <td>f2</td>
    <td colspan=”4″>f3</td>
  </tr>
  <tr>
    <td>g1</td>
    <td colspan=”5″>g2</td>
  </tr>
  <tr>
    <td colspan=”7″>h1</td>
  </tr>
  <tr>
    <td>i1</td>
    <td colspan=”3″>i2</td>
    <td>i3</td>
    <td>i4</td>
    <td>i5</td>
  </tr>
  <tr>
    <td>j1</td>
    <td colspan=”3″>j2</td>
    <td>j3</td>
    <td colspan=”2″>j4</td>
  </tr>
  <tr>
    <td colspan=”6″>k1</td>
    <td>k2</td>
  </tr>
  <tr>
    <td colspan=”6″>l1</td>
    <td>l2</td>
  </tr>
  <tr>
    <td colspan=”5″>m1</td>
    <td>m2</td>
    <td>m3</td>
  </tr>
</table>
</body>
</html>
*********************************************************************************/
/**************操作结果的表格***********************************************
<table border=’1′>
<tr>    <td>1</td>    <td>2</td>    <td>3</td>    <td>4</td>    <td>5</td>    <td>6</td>    <td>7</td> </tr>
<tr><td>a1</td>    <td =”7″>22</td>    <td>a2</td>    <td =”4″>a3</td>  <td>a3</td><td>a3</td><td>a3</td></tr>
<tr><td>b1</td>    <td>22</td><td =”2″>b2</td>    <td>b2</td><td>b3</td>    <td>b4</td>    <td =”4″>33</td>  </tr>
<tr><td>c1</td>    <td>22</td><td>c2</td>    <td>c3</td>    <td>c4</td>    <td =”2″>44</td>  <td>33</td></tr>
<tr><td>d1</td>    <td>22</td><td>d2</td>    <td>d3</td>    <td>d4</td>  <td>44</td><td>33</td></tr>
<tr><td>e1</td>    <td>22</td><td>e2</td>    <td>e3</td>    <td>e4</td>    <td>e5</td>  <td>33</td></tr>
<tr><td>f1</td>    <td>22</td><td>f2</td>    <td =”4″>f3</td>  <td>f3</td><td>f3</td><td>f3</td></tr>
<tr><td>g1</td>    <td>22</td><td =”5″>g2</td>  <td>g2</td><td>g2</td><td>g2</td><td>g2</td></tr>
<tr><td =”7″>h1</td>  <td>h1</td><td>h1</td><td>h1</td><td>h1</td><td>h1</td><td>h1</td></tr>
<tr><td>i1</td>    <td =”3″>i2</td>    <td>i2</td><td>i2</td><td>i3</td>    <td>i4</td>    <td>i5</td>  </tr>
<tr><td>j1</td>    <td =”3″>j2</td>    <td>j2</td><td>j2</td><td>j3</td>    <td =”2″>j4</td>  <td>j4</td></tr>
<tr><td =”6″>k1</td>    <td>k1</td><td>k1</td><td>k1</td><td>k1</td><td>k1</td><td>k2</td>  </tr>
<tr><td =”6″>l1</td>    <td>l1</td><td>l1</td><td>l1</td><td>l1</td><td>l1</td><td>l2</td>  </tr>
<tr><td =”5″>m1</td>    <td>m1</td><td>m1</td><td>m1</td><td>m1</td><td>m2</td>    <td>m3</td>  </tr>
</table>
******************************************************************/
 
  测试用表:
1234567
a122a2a3
b1b2b3b433
c1c2c3c444
d1d2d3d4
e1e2e3e4e5
f1f2f3
g1g2
h1
i1i2i3i4i5
j1j2j3j4
k1k2
l1l2
m1m2m3
 
  测试结果的表:

1234567
a122a2a3a3a3a3
b122b2b2b3b433
c122c2c3c44433
d122d2d3d44433
e122e2e3e4e533
f122f2f3f3f3f3
g122g2g2g2g2g2
h1h1h1h1h1h1h1
i1i2i2i2i3i4i5
j1j2j2j2j3j4j4
k1k1k1k1k1k1k2
l1l1l1l1l1l1l2
m1m1m1m1m1m2m3